Я действительно не доволен этим подходом.Вычисление того, где координата y для точки с координатой x ваших данных будет попадать на кривую, выглядит лучше.
Этот подход работает аналогично, но использует конечные вершины дуги:
arc1v = ax.transData.inverted().transform(arc1.get_verts())
arc2v = ax.transData.inverted().transform(arc2.get_verts())
for (x,y) in zip(x1[0], y1[0]):
err = (arc1v[:,0] - x)**2 + (arc1v[:,1] - y)**2
nearest = (arc1v[err == min(err)])[0]
line_x = (x, nearest[0])
line_y = (y, nearest[1])
ax.add_line(mpl.lines.Line2D(line_x, line_y))
if x > nearest[0]:
ax.scatter(x, y, marker='^', s=100, c='k', zorder=1)
else:
ax.scatter(x, y, marker='v', s=100, c='k', zorder=1)
This "помечает «точки слева от кривой (слева) треугольником, направленным вниз, а точки справа - треугольником вверх.Линии на графике указывают на ближайшую определенную вершину кривой и служат только для иллюстрации.
Вы можете сделать это и для другой кривой, и разделение корзины 2/3 является простым.
Вот пример выходных данных: 
Обновление:
Вот более полный ответ:
import matplotlib.pyplot as plt
import matplotlib as mpl
import math
import numpy as np
BIN_23_X = 50 # The separator between bin 2 and 3
x1 = np.random.randint(80, size=(400, 10))
y1 = np.random.randint(80, size=(400, 10))
x2 = np.random.randint(80, size=(400, 10))
y2 = np.random.randint(80, size=(400, 10))
fig, ax = plt.subplots()
ax.grid(False)
plt.scatter(x1[0],y1[0], c = 'r', zorder = 2)
plt.scatter(x2[0],y2[0], c = 'b', zorder = 2)
ang1 = 0, 50
ang2 = 100, 50
angle = math.degrees(math.acos(5.5/9.15))
xy = 50, 50
Halfway = mpl.lines.Line2D((BIN_23_X,BIN_23_X), (0,100), c = 'white')
arc1 = mpl.patches.Arc(ang1, 65, 100, angle = 0, theta2 = angle, theta1 = 360-angle, lw = 2)
arc2 = mpl.patches.Arc(ang2, 65, 100, angle = 0, theta2 = 180+angle, theta1 = 180-angle, lw = 2)
Oval = mpl.patches.Ellipse(xy, 100, 100, lw = 3, alpha = 0.1)
ax.add_line(Halfway)
ax.add_patch(arc1)
ax.add_patch(arc2)
ax.add_patch(Oval)
plt.text(15, 75, '1', fontsize = 8)
plt.text(35, 90, '2', fontsize = 8)
plt.text(65, 90, '3', fontsize = 8)
plt.text(85, 75, '4', fontsize = 8)
# Classification helpers
def get_nearest_arc_vert(x, y, arc_vertices):
err = (arc_vertices[:,0] - x)**2 + (arc_vertices[:,1] - y)**2
nearest = (arc_vertices[err == min(err)])[0]
return nearest
arc1v = ax.transData.inverted().transform(arc1.get_verts())
arc2v = ax.transData.inverted().transform(arc2.get_verts())
def classify_pointset(vx, vy):
bins = {(k+1):[] for k in range(4)}
for (x,y) in zip(vx, vy):
nx1, ny1 = get_nearest_arc_vert(x, y, arc1v)
nx2, ny2 = get_nearest_arc_vert(x, y, arc2v)
if x < nx1: # Is this point in bin 1? To the left of arc1?
bins[1].append((x,y))
elif x > nx2: # Is this point in bin 4? To the right of arc2?
bins[4].append((x,y))
else:
# If we get here, the point is in either bin 2 or 3. We'll consider points
# that fall on the line to be in bin 3.
if x < BIN_23_X: # Is this point to the left BIN_23_X? => Bin 2
bins[2].append((x,y))
else: # Otherwise, the point is in Bin 3
bins[3].append((x,y))
return bins
# Classify points
bins_red = classify_pointset(x1[0], y1[0])
bins_blue = classify_pointset(x2[0], y2[0])
# Display classifications
print("Red:")
for x in bins_red.items():
print(" ", x)
print("Blue:")
for x in bins_blue.items():
print(" ", x)
# "Annotate" classifications
for (x,y) in (bins_red[1] + bins_blue[1]):
ax.scatter(x, y, marker='^', s=100, c='k', zorder=1)
for (x,y) in (bins_red[2] + bins_blue[2]):
ax.scatter(x, y, marker='v', s=100, c='k', zorder=1)
for (x,y) in (bins_red[3] + bins_blue[3]):
ax.scatter(x, y, marker='^', s=100, c='y', zorder=1)
for (x,y) in (bins_red[4] + bins_blue[4]):
ax.scatter(x, y, marker='v', s=100, c='y', zorder=1)
ax.autoscale()
plt.draw()
plt.show()
Производит:
Здесь точки «помечены» с формами позади них, соответствующими тем, в какие ячейки они были классифицированы:
Bin Anno. Color Triangle Pointing
-------------------------------------------
Bin 1 Black Up
Bin 2 Black Down
Bin 3 Yellow Up
Bin 4 Yellow Down
Код также отображает результаты классификации (вывод classify_pointset - это дикт, введенный с номером ячейки (1-4) со значениями, являющимися координатами точек, найденных в ячейке:
Red:
(1, [(14, 30), (4, 18), (12, 48)])
(2, [(49, 41)])
(3, [(62, 79), (50, 7), (68, 19), (71, 1), (59, 27), (77, 0)])
(4, [])
Blue:
(1, [(20, 74), (11, 17), (12, 75)])
(2, [(41, 19), (30, 15)])
(3, [(61, 75)])
(4, [(79, 73), (69, 58), (76, 34), (78, 65)])
Вам не нужно графически аннотировать фигуру, это просто для иллюстрации, вы можете просто использовать значения, возвращаемые classify_pointset (bins_red и bins_blue).
Обновление 2
Следующий код создает список списков (все еще с 1 индексированием), поэтому вы можетеНайдите все точки (красные и синие) в ячейке 1, набрав all_points[1].Первый элемент (индекс 0) в списке all_points - это None, так как мы сохраняем индекс 1 в списке.
# Generate a list of lists, the outer index corresponds to the bin number (1-indexed)
all_points = [None] * 5
for bin_key in [1,2,3,4]:
all_points[bin_key] = bins_red[bin_key] + bins_blue[bin_key]
# Just for display.
for bin_key, bin_points in enumerate(all_points):
print(bin_key, bin_points)
Вывод:
0 None
1 [(1, 8), (16, 72), (23, 67), (12, 19), (24, 51), (24, 47), (15, 23), (18, 51)]
2 [(39, 75), (35, 27), (48, 55), (45, 53), (45, 22)]
3 [(66, 58), (55, 64), (70, 1), (71, 15), (73, 3), (71, 75)]
4 [(74, 62)]